利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

合成孔径雷达（SAR）技术以其独特的成像机制及其全天候、全天时成像能力,在森林生物量估测方面发挥着越来越重要的作用。利用野外实测数据分析了ALOSPALSAR双极化数据后向散射系数（σoHH,σ0HV,σHV/HH）与云南山区松林蓄积量的关系,并分别构建简单线性、自然指数和加入地理因子的多元回归模型。研究结果表明：极化比值（σ0Hv/HH）与蓄积量的相关系数（r=-0．407）比任何单极化（σoHH和σ0HV分别为0．204和－0．242）都要高,加入地理因子的多元回归模型在森林蓄积量估算中有较好的精度。图3表2参12     

基于哑变量和因子选择的森林蓄积量估测研究

为提高森林蓄积量遥感估测精度,探讨哑变量技术在蓄积量遥感估测中的作用。以云南省普洱市思茅区为研究区,以Landsat 8 OLI和93块森林资源二类调查角规控制样地数据为基础,使用随机森林（random forest）算法进行遥感变量因子的选择,并以龄组为哑变量分别构建基于哑变量的SVR和PLSR蓄积量估测模型,采用留一交叉验证对结果进行评估。结果表明,使用随机森林算法进行变量的选择有效减少了自变量的维度,提高了计算效率;其次,哑变量引入后,PLSR和SVR 2种回归模型的估测精度都比无哑变量方法有明显的提高,且SVR的估测结果优于PLSR;在引入哑变量后SVR模型的决定系数R²由0.59提高到0.68,相对均方根误差rRMSE由36.76%降低至32.97%,PLSR模型的决定系数R²由0.53提高到0.62,相对均方根误差rRMSE由39.41%降低至35.24%。在森林蓄积量的遥感估测中,哑变量技术的应用可以在一定程度上解决不同蓄积量大小对估测结果造成的影响,进而提高蓄积量的估测精度。     

应用无人机可见光遥感技术估测林分蓄积量

以云南省富民县典型天然云南松(Pinus yunnanensis)纯林为研究对象,结合无人机影像获取和外业样地调查对林分蓄积量估测。结果表明：利用目视解译方法提取云南松单木冠幅,精度达72%;采用11种模型拟合得到云南松林分不同郁闭度的胸径-冠幅最优回归模型;3个郁闭度等级林分的平均蓄积量估测精度分别达53.12%、78.65%和81.16%。由此可见,中、高郁闭度林分的平均蓄积量估测精度较高,说明了无人机遥感估测林分蓄积量的可行性和适用性。     

应用局部样本最优K值KNN模型估测森林蓄积量

为了探究KNN算法(K-最近邻法)的优化方法及Landsat8 OLI在森林蓄积量估测中的应用潜力。以陕西省留坝县为研究区,采用Landsat8 OLI为遥感数据源并结合同时期的森林资源调查数据,构建多元线性回归(MLR)、K-最近邻(KNN)、随机森林(RF)、距离加权K-最近邻(DW-KNN)和局部样本最优K值KNN(LSO-KNN)模型进行森林蓄积量的遥感估测。随机抽取总样本的2/3用于训练模型,1/3用于模型的检验,并以决定系数(R²)、均方根误差(R_MSE)和相对均方根误差(R_RMSE)作为精度的检验指标对模型进行评价。结果表明：(1)在构建的5种森林蓄积量反演模型中,4种机器学习模型均高于MLR模型;(2)基于局部样本最佳K值构建的LSO-KNN模型估测结果最佳,其决定系数为0.72,均方根误差为39.58 m³/hm²,相对均方根误差为28.68%,均方根误差比MLR、KNN、RF和DW-KNN模型分别降低了30.89%、27.24%、24.23%和18.14%,...     

应用最大信息系数和支持向量机估测森林蓄积量

为了探究Landsat8 OLI影像和支持向量机算法在林分蓄积量估测中的潜力,以湖南省株洲市为研究区,以Landsat8 OLI卫星影像为遥感数据源,并结合同时期的湖南省森林资源二类调查数据,提取单波段特征、植被指数和纹理特征等遥感因子作为候选变量;利用最大信息系数对遥感变量进行筛选,并构建基于多项式核的PK-SVR模型、基于径向基核的RK-SVR模型、基于拉普拉斯核的LK-SVR模型和基于Sigmoid核的SK-SVR模型;以决定系数、相对均方根误差作为预测模型的评价指标,并与传统的线性回归模型进行对比,同时对研究区的森林蓄积量进行反演,得到株洲市森林蓄积量空间分布图。结果表明：支持向量机（SVR）模型的预测结果明显优于多元线性回归模型,RK-SVR模型的预测效果最好,其决定系数为0.61、均方根误差为69.26 m³/hm^-2、相对均方根误差为31.2%。     

马尾松和杉木用材林基准林分的探讨

本文陈述了收集标准林分材料遇到的困难；提出基准林分的概念；阐述了确定基准林分判据的原则；并给出了基准林分的判据．     

基于ALOS PALSAR双极化模式数据的森林覆盖识别方法研究

[目的]探讨森林PALSAR双极化模式数据后向散射、极化和干涉相干性等特征,提出一种在异质地区的森林识别方法。[方法]以中国东南部漳浦县为试验区,对试验区不同土地类型PALSAR的后向散射信息、极化比值和相干性信息进行分析。[结果]利用该区林相图及同时相SPOT-5影像进行精度检验,其总体精度、用户精度和制图精度均高于90%。[结论]基于PALSAR双极化模式数据进行森林识别精度较高。     

基于尤溪县一类资源调查样地数据的回归估计

该文利用2008年尤溪县一类资源调查样地资料进行回归分析,结果表明:建立的线性回归方程,样地平均胸径对标准木胸径的回归方程:y?=1.594+0.905x,样地平均树高对标准木树高回归方程:y?=0.331+0.985x,样地平均胸径对标准木树高的回归方程:y?=2.800+1.026x,样地平均树高对样地平均胸径的回归方程:y?=-0.482+0.803x,样地平均树高对标准木胸径的回归方程:y?=0.555+0.748x,标准木树高对标准木胸径的回归方程:y?=0.191+0.762x,其方差检验F值分别为345.05、1 123.09、278.83、439.42、212.37和291.77,相关系数t值分别为18.589、34.065、16.695、20.942、14.590、17.091,主要调查因子间的相关性极显著,调查资料可靠性很强;以样地标准木的胸径、树高与样地平均胸径、平均树高为基础数据,建立样地标准木胸径与样地标准木立木材的回归关系,其幂函数回归方程为V=0.00016753D2.357595639,相关系数r值为0.892 9,具有极显著差异,可应用于杉木为优势树种的林分利用样地蓄积量估算值推算林分蓄积量。     

不同密度杉木人工林林分生长和林分结构差异研究

探究不同密度杉木人工林林分结构与生长的差异,为杉木人工林的可持续经营提供科学依据。以清远市11年生3个不同密度(2 100、3 100、4 100株·hm^-2)杉木人工纯林为研究对象,每个密度设置6个固定标准样地(20 m×20 m),选取大小比数、角尺度、直径结构、树高结构以及树冠结构5个参数探究林分结构特征,选取林分平均胸径、平均树高、蓄积和林木单株材积等指标探究林分生长特征,通过方差分析探讨林分密度对杉木人工林林分结构和生长的影响。结果表明,1)林分生长指数受林分密度影响差异显著(P<0.05),4 100株·hm^-2杉木人工林的平均胸径、树高、单株材积显著低于其他2种密度林分,3 100株·hm^-2杉木人工林的蓄积显著高于其他2个密度林分。2)林分直径结构和树高结构在较高的林分密度下,小径级的林木较多,其分布曲线呈现为截尾正态分布。3)3 100株·hm^-2的平均冠幅显著大于其他2种林分,4 100株·hm^-2的平均树冠表面积以及树冠体积显著小于其他2种林分,3种...     

地形和竞争对典型阔叶红松林不同生长阶段树木胸径生长的影响

近年来,地形和竞争对树木生长影响机制的研究备受关注。本文基于黑龙江凉水国家级自然保护区内9 hm2典型阔叶红松林动态监测样地,使用2010年和2015年的野外调查数据,分析了地形(坡向、坡度、坡位)和树木间竞争对阔叶红松林主要组成树种胸径生长的影响。结果表明:紫椴、色木槭、冷杉径级Ⅰ(1 cm≤DBH＜10 cm)以及红松、紫椴、色木槭、水曲柳径级Ⅱ(DBH≥10 cm)的胸径年均生长量与地形显著相关(P＜0.05);竞争对红松、紫椴、色木槭、水曲柳、冷杉、枫桦、青楷槭径级Ⅰ以及红松、紫椴、色木槭、冷杉、春榆径级Ⅱ的胸径年均生长量有显著影响(P＜0.05)。总体上,阔叶红松林中耐荫和非耐荫树种组的胸径年均生长量均受地形和竞争的显著影响;阔叶红松林中大径级树木的胸径生长主要受地形影响,而小径级树木的胸径生长主要受竞争影响。      

不同疏伐方法对杉木人工林结构,生长和竞争的影响

本文旨在探讨疏伐方法对杉木人工林林分生长和产量的影响机理。按相对直径将林分划分为３个生长阶层，分析林分的结构，生长速率及竞争状况。结果表明：不同疏伐方法改变了林分结构，影响林分的生长和竞争。机械疏伐林分结果最合理，断面积生长速率和生长量最高竞争最小。     

四季竹叶面积指数与竹笋产量的关系

通过建立四季竹叶面积指数与立竹胸径、密度、枝盘数等因子间的回归经验式,发现其间存在着显著的相关关系,且均是影响竹笋产量的重要林分结构因子,其中叶面积指数与竹笋产量紧密相关,当叶面积指数为10.339时,竹笋产量最高.提出了为达到四季竹竹林高产高效可持续经营的目标,应合理调控竹林的立竹度和胸径,使叶面积指数达到竹林丰产的要求.     

基于结构方程模型的林分上下层间结构与树木多样性耦合关系研究

为探讨林分上下层间结构与树木多样性的关系,以阿什河流域天然次生杂木林为对象,构建了立地条件-林分上层结构-林分上层树木多样性-林分下层结构与树木多样性的结构方程模型。结果表明:立地条件(ξ1)对林分上层结构(ξ2)具有直接正影响,影响系数为0.59;对林分上层树木多样性(ξ3)具有正影响,总影响系数为0.75,直接影响系数为0.43;对林分下层结构与树木多样性(ξ4)具有负影响,总影响系数为-0.58,直接影响系数为-0.12。林分上层结构(ξ2)对林分上层树木多样性(ξ3)具有直接正影响,影响系数为0.55;对林分下层结构与树木多样性(ξ4)具有负影响,总影响系数为-0.55,直接影响系数为-0.38。林分上层树木多样性(ξ3)对林分下层结构与树木多样性(ξ4)具有直接负影响,影响系数为-0.31。对林分下层密度(x11)影响最大的林分上层观测变量为林分上层树冠面积(x7),总影响系数为-0.19,直接影响系数为-0.12。对林分下层平均树高(x12)影响最大的林分上层观测变量为林分上层平均树高(x6),总影响系数为-0.28,直接影响系数为-0.13。林分上层树冠面积(x7)和树高多样性(x10)对林分下层树种多样性(x14)影响较大,影响系数分别为-0.38和-0.36。树冠面积(x7)的影响全为直接影响;树高多样性(x10)的直接影响大于间接影响;林分上层结构(ξ2)与树木多样性(ξ3)中的观测变量对林分下层树冠面积(x13)影响不明显。